CN113033591A - 一种基于大数据图像识别系统 - Google Patents

一种基于大数据图像识别系统 Download PDF

Info

Publication number
CN113033591A
CN113033591A CN201911359079.6A CN201911359079A CN113033591A CN 113033591 A CN113033591 A CN 113033591A CN 201911359079 A CN201911359079 A CN 201911359079A CN 113033591 A CN113033591 A CN 113033591A
Authority
CN
China
Prior art keywords
image
target image
big data
module
recognition system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911359079.6A
Other languages
English (en)
Inventor
汤寒林
徐浩
周唯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
East China Jiangsu Big Data Trading Center Co ltd
Original Assignee
East China Jiangsu Big Data Trading Center Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by East China Jiangsu Big Data Trading Center Co ltd filed Critical East China Jiangsu Big Data Trading Center Co ltd
Priority to CN201911359079.6A priority Critical patent/CN113033591A/zh
Publication of CN113033591A publication Critical patent/CN113033591A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于大数据的图像识别系统，包括：图像获取模块，用于对获得的目标图像；图像识别模块，用于对所述目标图像进行特征提取，识别针对所述目标图像中每一像素的特征值；图像分类模块，用以将所述目标图像中的特征值与大数据图像资料库的数据匹配，得到所述目标图像的所述类型。本发明上述实施方式中，根据目标图像的特征值，将目标图像与图像数据库内的图像进行匹配，自动分类目标图像的类型，这样分类准确率高、分类工作量小，效率高。

Description

一种基于大数据图像识别系统
技术领域
本发明涉及图像处理领域，特别是涉及一种基于大数据图像识别系统。
背景技术
随着移动互联网与智能终端技术的发展，带有数字摄像头智能手机、平板电脑越来越多的进入人们的生活，很容易产生大量的数字图像。对于海量图像的处理是一个很庞大的工程，通常对于产生的图像可以先进行分类处理，之后再进行其他形式的处理，因此，分类的好坏可能会直接影响后续对图像的处理效果。
图像处理技术的发展紧密地联系到计算机技术的发展及新的数学方法的应用。常规的数学的方法如各种变换、线性代数是进入图像处理的门槛，而新的数学理论如小分形、混沌、可行变模型等已经出现，便立即在图像处理中得到应用。新一代图像压缩技术中，一种重要的方法是图像子带编码。图像子带编码的基本思想是将图像信号的频带用一组分析滤波器分割成各个子带信号，针对每个不同的子带信号，按照它的统计特性分配不同的编码器和比特率。这样做的好处在于压缩误差仅仅局限于各个子带信号中，互不影响，并且可以根据人眼视觉系统频率区域敏感的特征，给各个不同的子带信号分配不同的比特率，不但可以获得高压缩比，而且重构图像的主观视觉效果比较好。其实小波变换，金字塔多尺度分割算法都可以归属于图像子带编码技术。由于图像处理技术应用圈的迅速扩大，渴望学习与掌握这门技术的越来越多。
目前，常见的分类处理大都是根据图像的名称、修改时间、类型来对海量的图像进行归类，不难理解的是，对于图像的名称以及修改时间以及图像类型往往是可以进行修改的，例如，同样一张图像，如果用户输入的名称为“东方明珠”时，该图像被分类到建筑类，但是如果用户修改该图像的名称为“留影之东方明珠”后，该图像可能会被分类到旅游景点类；由此可见，上述的对图像的分类处理方式，具有很强的主观性和随机性，对图像进行分类的准确度较低，且图像分类工作量大、效率低。
发明内容
基于此，有必要针对现有技术图像进行分类的准确度较低，且图像分类工作量大、效率低的问题，提供一种基于大数据图像识别系统。
一种基于大数据的图像识别系统，包括：
图像获取模块，用于对获得的目标图像；
图像识别模块，用于对所述目标图像进行特征提取，识别针对所述目标图像中每一像素的特征值；
图像分类模块，用以将所述目标图像中的特征值与大数据图像资料库的数据匹配，得到所述目标图像的所述类型。
在其中一个优选实施方式中，所述图像获取模块具有摄像单元。
在其中一个优选实施方式中，所述系统还包括：
标记模块，用于根据所述图像分类模块，将所述目标图像标记为对应类型图像。
在其中一个优选实施方式中，所述图像识别单元运用卷积神经网络技术进行图像识别。
本发明上述实施方式中，根据目标图像的特征值，将目标图像与图像数据库内的图像进行匹配，自动分类目标图像的类型，这样分类准确率高、分类工作量小，效率高。
附图说明
图1为本发明一优选实施方式中的一种基于大数据的图像识别系统的模块结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
需要说明的是，当元件被称为“设置于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示，本发明一优选实施方式中公开了一种基于大数据的图像识别系统100，包括图像获取模块110、图像识别模块120、图像分类模块130
上述图像获取模块110用于对获得的目标图像。
具体地，所述图像获取模块110具有摄像单元，通过该摄像单元获取目标图像。
上述图像识别模块120用于对所述目标图像进行特征提取，识别针对所述目标图像中每一像素的特征值；
具体地，所述图像识别模块120运用卷积神经网络技术进行图像识别。
上述图像分类模块130用以将所述目标图像中的特征值与大数据图像资料库的数据匹配，得到所述目标图像的所述类型；
本实施方式中，上述系统还包括标记模块140
标记模块140用于根据所述图像分类模块，将所述目标图像标记为对应类型图像。
本发明上述实施方式中，根据目标图像的特征值，将目标图像与图像数据库内的图像进行匹配，自动分类目标图像的类型，这样分类准确率高、分类工作量小，效率高。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (4)

1.一种基于大数据的图像识别系统，其特征在于，包括：
图像获取模块，用于对获得的目标图像；
图像识别模块，用于对所述目标图像进行特征提取，识别针对所述目标图像中每一像素的特征值；
图像分类模块，用以将所述目标图像中的特征值与大数据图像资料库的数据匹配，得到所述目标图像的所述类型。
2.根据权利要求1所述的基于大数据的图像识别系统，其特征在于，所述图像获取模块具有摄像单元。
3.根据权利要求1所述的基于大数据的图像识别系统，其特征在于，所述系统还包括：
标记模块，用于根据所述图像分类模块，将所述目标图像标记为对应类型图像。
4.根据权利要求1所述的基于大数据的图像识别系统，其特征在于，所述图像识别单元运用卷积神经网络技术进行图像识别。
CN201911359079.6A 2019-12-25 2019-12-25 一种基于大数据图像识别系统 Pending CN113033591A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911359079.6A CN113033591A (zh) 2019-12-25 2019-12-25 一种基于大数据图像识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911359079.6A CN113033591A (zh) 2019-12-25 2019-12-25 一种基于大数据图像识别系统

Publications (1)

Publication Number Publication Date
CN113033591A true CN113033591A (zh) 2021-06-25

Family

ID=76458915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911359079.6A Pending CN113033591A (zh) 2019-12-25 2019-12-25 一种基于大数据图像识别系统

Country Status (1)

Country Link
CN (1) CN113033591A (zh)

Similar Documents

Publication Publication Date Title
Varish et al. Image retrieval scheme using quantized bins of color image components and adaptive tetrolet transform
CN108038937B (zh) 一种迎宾信息的展示方法、装置、终端设备和存储介质
CN109117773B (zh) 一种图像特征点检测方法、终端设备及存储介质
CN109116129B (zh) 终端检测方法、检测设备、系统及存储介质
CN104866831B (zh) 特征加权的人脸识别算法
CN107133590B (zh) 一种基于人脸图像的身份识别系统
CN106295489B (zh) 信息处理方法、信息处理装置和视频监控系统
CN110941978B (zh) 一种未识别身份人员的人脸聚类方法、装置及存储介质
Birajadar et al. Towards smartphone-based touchless fingerprint recognition
Gan et al. Video object forgery detection algorithm based on VGG-11 convolutional neural network
Chandran et al. Missing child identification system using deep learning and multiclass SVM
CN110826418A (zh) 脸部特征提取方法及装置
CN111091106A (zh) 图像聚类方法及装置、存储介质、电子装置
CN110245573A (zh) 一种基于人脸识别的签到方法、装置及终端设备
CN112784749A (zh) 目标模型的训练方法、目标对象的识别方法、装置及介质
CN110991231B (zh) 活体检测方法、装置、服务器和人脸识别设备
JP2022545962A (ja) 団霧認識方法及び装置、電子機器、記憶媒体並びにコンピュータプログラム製品
CN109344281B (zh) 一种基于wifi探针与摄像头技术的数据分析方法
CN111126250A (zh) 一种基于ptgan的行人重识别方法及装置
CN112396060B (zh) 基于身份证分割模型的身份证识别方法及其相关设备
Viedma et al. Relevant features for gender classification in NIR periocular images
CN112235598A (zh) 一种视频结构化处理方法、装置及终端设备
CN111199050B (zh) 一种用于对病历进行自动脱敏的系统及应用
CN113033591A (zh) 一种基于大数据图像识别系统
CN115147895B (zh) 人脸鉴伪方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination